API de Texto para Fala para Locução Profissional de Vídeos

Por Equipe editorial LocDub Studio · Atualizado 2026-11-19

A LocDub Studio oferece uma API de texto-para-fala projetada para agências de localização e freelancers que precisam de narrações consistentes. Envie texto e receba arquivos de áudio prontos para edição, com suporte a 23 idiomas e 8 vozes distintas. Ideal para sincronizar legendas e manter a identidade vocal em múltiplos mercados.

Gerencie seus projetos com custo previsível de $0,01 por mil caracteres. Sem mensalidades, sem surpresas. Comece com crédito grátis e integre rapidamente usando SDKs OpenAI ou requisições cURL diretas.

API de Texto para Fala para Locução Profissional de Vídeos

Perguntas frequentes

O que é um app narrador de texto para vídeos?

A LocDub Studio é uma API de texto-para-fala para agências e freelancers. Envie texto via POST e receba o áudio pronto. Ideal para adicionar narração consistente a vídeos, eliminando a necessidade de estúdios ou locutores humanos para cada projeto, com custo previsível por caractere.

Como a API TTS ajuda na localização de vídeos?

Suporta 23 idiomas, incluindo português, espanhol, francês e japonês. Você pode gerar narrações consistentes para diferentes mercados rapidamente. As vozes são naturais e a API aceita texto em qualquer um dos idiomas suportados, facilitando a criação de versões localizadas para agências e freelancers.

As vozes soam naturais para dublagem?

Sim, as vozes são baseadas em gravações licenciadas do LibriTTS-R e LibriVox. Oferecem estilos variados, como narrador, conversacional ou documental. Cada arquivo gerado possui uma marca d'água inaudível que identifica o áudio como síntese artificial, garantindo transparência no uso comercial.

Posso usar a API para projetos comerciais?

Sim, o serviço é projetado para uso comercial, incluindo agências de localização. Não há restrições de uso nos termos básicos. Basta ter uma chave de API ativa e saldo suficiente na conta. Os arquivos gerados podem ser incorporados em vídeos vendidos ou distribuídos.

Quais idiomas são suportados?

Suportamos 23 idiomas: árabe, chinês, dinamarquês, holandês, inglês, finlandês, francês, alemão, grego, hebraico, hindi, italiano, japonês, coreano, malaio, norueguês, polonês, português, russo, espanhol, sueco, swahili e turco. Qualquer voz pode falar qualquer um desses idiomas. Não suportamos vietnamita, indonésio, tailandês, ucraniano, romeno, checo, bengali e outros.

O que acontece se a síntese falhar?

Se a síntese falhar, o valor é devolvido integralmente. Você não paga pelo caractere processado em requisições que não completam com sucesso. Isso garante que você só pague pelo áudio gerado efetivamente, mantendo o custo previsível para seus projetos de dublagem.

Posso alterar a velocidade da voz gerada?

Sim, você pode ajustar a velocidade entre 0.25 e 4.0. Isso permite acelerar ou desacelerar a narração para se ajustar ao tempo de vídeo ou ao estilo de dublagem desejado. Basta definir o parâmetro 'speed' na requisição JSON enviada à API.

Os arquivos de áudio têm marca d'água auditiva?

Cada arquivo gerado carrega uma marca d'água inaudível que marca o áudio como síntese artificial. Essa marca é imperceptível ao ouvinte humano, mas permite identificar a origem do áudio como gerado por nossa API, garantindo transparência e rastreabilidade dos arquivos produzidos.

Como funciona o pagamento por caractere?

O custo é de US$ 10 por 1 milhão de caracteres, ou US$ 0,01 por 1.000 caracteres. Espaços e pontuação contam como caracteres. O pagamento é feito via USDT na rede TRON (TRC-20). Não há planos mensais ou custos fixos; você paga apenas pelo uso.

Preciso de um plano mensal para usar a API?

Não. Não oferecemos planos mensais, assinaturas ou custos fixos. Você paga apenas pelos caracteres processados. O saldo não expira e pode ser recarregado a qualquer momento. Isso permite escalar o uso conforme a demanda dos seus projetos de localização sem compromissos de longo prazo.

A API suporta SSML para controle de entonação?

Não. A API não suporta SSML, dicionários de fonemas ou lexicons personalizados de pronúncia. O controle é limitado ao texto, voz, idioma e velocidade. Para pausas ou ênfase, você deve usar pontuação ou dividir o texto em partes menores na sua aplicação.

Posso clonar minha própria voz com este serviço?

Não. Não oferecemos clonagem de voz personalizada nem upload de sua própria voz. As vozes são predefinidas (8 opções). Se precisar de uma voz específica, você deve escolher entre as opções disponíveis como Aria, Nova, Luna, Felix, Milo, Atlas ou Orion.

Quanto tempo leva para gerar um áudio?

Textos longos geram áudio em tempo real aproximado (25 caracteres por segundo). Frases curtas levam alguns segundos. As requisições são processadas em fila, então sob carga, pode haver espera. O limite é de 4.096 caracteres por requisição, exigindo divisão para textos maiores.

Posso usar a API com minha ferramenta de edição?

Sim. A API retorna um arquivo de áudio (mp3, wav, opus, flac, pcm) que pode ser baixado e importado diretamente no seu software de edição. Você integra a chamada à API no seu fluxo de trabalho via HTTP ou SDKs compatíveis, como o da OpenAI.

Primeira solicitação

curl

curl https://api.superfishing.info/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Como funciona a API para dublagem

Ilustração de onda sonora para: Como funciona a API para dublagem

A API de texto-para-fala converte seus roteiros em arquivos de áudio através de uma simples requisição POST. Você envia o texto e recebe o arquivo de áudio pronto para uso, eliminando a necessidade de estúdio físico ou gravação manual para cada projeto.

Envio de texto e recebimento de áudio

Envio de texto e recebimento de áudio

Cada requisição processa até 4096 caracteres. O endpoint retorna o arquivo de áudio diretamente na resposta, permitindo integração imediata com seu sistema de gerenciamento de projetos de locução.

Compatibilidade com SDK OpenAI

Utilize os SDKs oficiais da OpenAI ajustando apenas o base_url para https://api.superfishing.info/v1. A estrutura do corpo da requisição é a mesma, facilitando a migração ou integração com ajustes mínimos.

Processamento em lote para roteiros longos

Para textos excedendo o limite por requisição, divida o conteúdo em partes de até 4096 caracteres. A API processa cada parte sequencialmente; você pode então concatenar os arquivos de áudio resultantes para gerar o áudio completo do roteiro.

Vozes naturais para seus projetos

Ilustração de onda sonora para: Vozes naturais para seus projetos

O LocDub Studio oferece 8 vozes pré-definidas, divididas entre perfis femininos e masculinos, projetadas para atender às demandas de agências de localização. Cada voz possui um timbre distinto, permitindo que você selecione a melhor opção para o tom do seu projeto, seja para narrativas ou para comerciais.

Essas vozes não são geradas por IA generativa complexa, mas sim baseadas em gravações licenciadas, garantindo uma qualidade auditiva consistente e natural. Você pode escolher o tom mais adequado para cada contexto, sem a necessidade de personalizações de voz adicionais.

8 presets de voz feminina e masculina

Conte com oito opções distintas para suas produções. Entre as vozes femininas, temos Aria (narradora clara), Nova (enerética), Luna (suave) e Sage (instrucional). Para vozes masculinas, oferecemos Felix (promo), Milo (conversacional), Atlas (neutro) e Orion (documentário).

Cada preset foi escolhido para atender a diferentes estilos de conteúdo, permitindo que agências mantenham a consistência de marca ou variem conforme o idioma e o público-alvo.

  • Aria: narradora quente e clara
  • Nova: tom brilhante e animado
  • Luna: estilo suave de contação de histórias
  • Sage: voz calma e instrucional
  • Felix: energia para promoções
  • Milo: tom amigável e conversacional
  • Atlas: neutro, ideal para notícias
  • Orion: tom profundo para documentários

Estilos variados: narrador, conversacional, documental

A escolha da voz define a percepção do seu vídeo. Use Aria ou Luna para narrações de longa duração, onde a clareza e a suavidade são essenciais. Para vídeos promocionais ou redes sociais, Felix e Nova entregam a energia necessária para reter a atenção.

O Atlas é ideal para conteúdos informativos ou jornalísticos devido à sua neutralidade, enquanto Milo e Orion oferecem opções para diálogos mais naturais ou formatos documentais mais imersivos.

Vozes baseadas em gravações licenciadas

As vozes do LocDub Studio derivam de gravações licenciadas do LibriTTS-R (CC BY 4.0) e de audiobooks de domínio público do LibriVox. Isso garante que o som seja natural e livre de artefatos típicos de síntese artificial extrema.

Todos os arquivos gerados contêm uma marca d'água inaudível que identifica o conteúdo como fala sintética, assegurando transparência no uso do áudio em seus projetos de dublagem.

Suporte a 23 idiomas

Ilustração de onda sonora para: Suporte a 23 idiomas

A API suporta 23 idiomas, incluindo inglês, espanhol, português, japonês, chinês, árabe e hindi. Cada voz pode falar qualquer um desses idiomas, permitindo consistência sonora mesmo ao expandir para novos mercados globais.

Idiomas principais: inglês, espanhol, português, japonês

Além das línguas mais demandadas, oferecemos suporte para dinamarquês, finlandês, grego, hebraico, malaio, norueguês, polonês, russo, sueco, turco, swahili, italiano e holandês. Isso cobre a maioria dos mercados de dublagem profissional sem necessidade de integrações externas.

Detecção automática ou definição manual de idioma

Se o campo language não for definido, o sistema detecta automaticamente o idioma com base no script (texto em latim padrão para inglês). Para textos em latim fora do inglês, defina o código ISO manualmente para garantir precisão.

Vozes multilíngues para múltiplos mercados

As 8 vozes predefinidas são multilíngues. Você pode usar a mesma voz para narrar um vídeo em português e depois no espanhol, mantendo a identidade da marca sem precisar configurar vozes separadas para cada idioma.

Idiomas não suportados incluem vietnamita, indonésio, tailandês, ucraniano, romeno, tcheco e bengali. Verifique a lista completa antes de iniciar projetos com essas línguas.

Formatos de áudio flexíveis

Ilustração de onda sonora para: Formatos de áudio flexíveis

A API aceita MP3, WAV, Opus, FLAC e PCM. Envie a configuração desejada no corpo da requisição e receba o arquivo de áudio pronto para uso imediato.

Selecione o formato que melhor se adapta ao seu fluxo de trabalho. O MP3 é eficiente para transmissão, enquanto WAV e FLAC preservam a qualidade original para edições complexas.

MP3, WAV, Opus, FLAC e PCM disponíveis

Todos os formatos são gerados diretamente pela API sem necessidade de conversão adicional.

A escolha do formato depende do seu pipeline de pós-produção e das restrições da plataforma final.

  • MP3: compacto e amplamente compatível
  • WAV: sem perda, ideal para edição
  • Opus: alta eficiência para web
  • FLAC: áudio sem perda de qualidade
  • PCM: dados brutos de áudio

Escolha o formato ideal para sua pipeline de edição

Para agências de localização, a consistência técnica é crucial. Selecione WAV para masterização ou MP3 para distribuição rápida.

O formato PCM é útil quando você precisa processar o áudio em tempo real sem compressão intermediária.

Qualidade ajustável por formato

A qualidade varia conforme o formato escolhido e a velocidade de geração aplicada.

Não há ajustes finos de bitrate; o formato determina a estrutura do arquivo entregue.

Velocidade e eficiência

Ilustração de onda sonora para: Velocidade e eficiência

A geração de áudio ocorre aproximadamente em tempo real, com uma taxa média de 25 caracteres por segundo de áudio gerado. Para frases curtas, o processamento pode levar alguns segundos, enquanto textos longos seguem o ritmo natural da fala.

O controle de velocidade permite ajustar a velocidade entre 0,25x e 4,0x, adaptando a locução ao ritmo de edição ou à sincronização labial. Embora o processamento seja sequencial sob demanda, garantindo consistência, pedidos simultâneos podem entrar em fila.

Geração aproximadamente em tempo real

O tempo de síntese é previsível: cerca de 25 caracteres geram um segundo de áudio. Isso facilita o planejamento de pipelines de produção em massa sem surpresas de latência prolongada.

Controle de velocidade de 0,25x a 4,0x

Ajuste a velocidade para sincronizar perfeitamente com vídeos ou para criar efeitos específicos. O campo speed aceita valores decimais precisos dentro do limite de 0,25 a 4,0.

Processamento sequencial sob demanda

As requisições são processadas uma após a outra. Em momentos de alta carga, um pedido pode aguardar na fila. O limite é de 60 requisições por minuto, garantindo estabilidade sem garantias de SLA.

Se a síntese falhar, não há cobrança, mas o tempo de espera na fila conta para o limite de requisições.

  • Limite padrão: 60 requisições/minuto por chave.
  • Processamento sequencial garante consistência no áudio.
Velocidade e eficiência

Custo previsível para agências

Ilustração de onda sonora para: Custo previsível para agências

A API LocDub Studio cobra $10 por milhão de caracteres processados, o que equivale a $0,01 por mil caracteres. Espaços e pontuação contam como caracteres, garantindo que o custo final seja calculado exatamente com base no texto enviado para síntese.

Este modelo de precificação por uso elimina a incerteza de custos fixos. Você paga apenas pelo volume real de narração gerado, facilitando o orçamento para grandes projetos de localização sem surpresas no final do mês.

Preço fixo por caractere processado

O cálculo é direto: cada caractere do seu input conta. Isso inclui espaços e sinais de pontuação. A taxa é de $10 por 1 milhão de caracteres, ou $0,01 por mil caracteres.

Não há distinção de preço entre os modelos tts-1 e tts-1-hd. Ambos utilizam o mesmo motor de síntese e têm o mesmo custo por caractere, simplificando a escolha técnica sem impactar o orçamento.

  • Custo: $10 por 1 milhão de caracteres.
  • Inclui espaços e pontuação na contagem.
  • Mesmo preço para modelos padrão e HD.

Falhas na síntese são gratuitas

Se a geração de áudio falhar por erro do servidor ou problema técnico, você não paga. O valor correspondente é devolvido integralmente para seu saldo.

Isso protege seu orçamento contra imprevistos técnicos. Você só paga pelo áudio que é entregue com sucesso na resposta da API.

Sem mensalidades ou taxas ocultas

Não existem planos mensais obrigatórios, taxas de assinatura ou custos de seats. O saldo não expira e você recarrega apenas quando necessário.

Não há cobrança de faturas com IVA ou taxas bancárias adicionais. O pagamento é feito exclusivamente via USDT (TRC-20), com mínimo de $5 por recarga.

  • Sem planos mensais ou taxas fixas.
  • Saldo sem data de validade.
  • Pagamento único via USTRC-20.

Integração técnica simples

Ilustração de onda sonora para: Integração técnica simples

Configure sua integração em poucos passos usando a estrutura padrão da API. O endpoint POST para geração de áudio funciona com a mesma estrutura de requisição do OpenAI, permitindo reutilizar bibliotecas e SDKs já conhecidos pela sua equipe de desenvolvimento.

A autenticação é direta e segura: utilize uma chave Bearer única vinculada à sua conta. Não há necessidade de gerenciar tokens de acesso complexos ou permissões granulares, o que simplifica a manutenção das integrações em ambientes de produção.

Endpoint RESTful padrão

Envie seus textos para POST https://api.superfishing.info/v1/audio/speech com o corpo em JSON. A estrutura segue o padrão aberto, facilitando a adaptação de scripts Python, Node.js ou Go existentes sem alterações profundas no código.

Suporte nativo ao formato JSON simplifica a passagem de parâmetros como model, voice e input. Isso reduz a curva de aprendizado para desenvolvedores que já estão familiarizados com APIs modernas de áudio.

  • Formato JSON padrão
  • Compatível com SDKs OpenAI
  • Sem dependências pesadas

Autenticação via chave API segura

Inclua o cabeçalho Authorization: Bearer tts-... em todas as requisições. Sua chave é vinculada diretamente ao saldo e aos limites de taxa da sua conta, garantindo controle total sobre o uso.

Caso haja qualquer necessidade de segurança adicional, você pode emitir uma nova chave a qualquer momento. A chave anterior será invalidada instantaneamente, eliminando riscos de acesso não autorizado sem downtime.

Não há configurações complexas de tokens ou permissões granulares para gerenciar, mantendo a operação simples e auditável.

Exemplo de requisição cURL disponível

Utilize exemplos práticos de cURL para testar imediatamente a integração. A página /get-api-key/ oferece o código pronto para copiar, incluindo autenticação e parâmetros básicos, permitindo validar a entrega do áudio em segundos.

Esses exemplos servem como base para scripts automatizados de geração em massa, permitindo que você ajuste os parâmetros de voice, speed e response_format conforme necessário para cada projeto de dublagem.

Teste com seu próprio texto para verificar a qualidade e o tempo de resposta antes de integrar ao seu pipeline principal de localização.

  • Código pronto para copiar
  • Teste imediato
  • Base para automação

Ideal para localização

Ilustração de onda sonora para: Ideal para localização

O fluxo de localização começa com a entrega do texto traduzido. Sua API recebe o script e gera o áudio final, eliminando a necessidade de exportações manuais ou conversões de formato entre ferramentas de tradução e estúdio.

Integração com ferramentas de tradução

Envie o texto traduzido diretamente para o endpoint da API. Como o formato da requisição é padrão, você pode automatizar o envio de roteiros traduzidos via scripts Python ou Node.js, integrando a geração de voz à sua pipeline de localização existente.

Sincronização com legendas

Use o tempo de geração (aproximadamente 25 caracteres por segundo) para estimar a duração do áudio. Isso permite calcular timestamps precisos para sincronização automática com legendas SRT, garantindo que o áudio gerado corresponda ao ritmo do vídeo original.

Consistência de voz em múltiplos idiomas

Mantenha a identidade do personagem em todos os idiomas usando os mesmos presets de voz (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion). Cada voz suporta 23 idiomas, garantindo uniformidade vocal sem necessidade de clonagem personalizada ou gravações adicionais.

Comece agora

Ilustração de onda sonora para: Comece agora

Configure sua conta em menos de dois minutos e comece a gerar áudios para seus projetos de dublagem sem complicações.

Obtenha sua chave API e integre-a ao seu fluxo de trabalho imediatamente, aproveitando o crédito inicial para testar a qualidade.

Crie sua conta em minutos

Acesse a página /get-api-key/ e registre-se usando sua conta Google ou email com senha. O processo é rápido e direto.

Obtenha sua chave API imediatamente

Após o registro, você recebe uma chave Bearer ativa instantaneamente. Utilize-a para autenticar suas requisições ao endpoint de síntese.

Teste com crédito grátis de 7 dias

Criar conta com Google garante $0,50 de crédito (aprox. 50 mil caracteres) válidos por 7 dias. Isso permite testar a API sem compromisso financeiro inicial.

Ouça as 8 vozes

Cada amostra abaixo foi gerada por esta API a partir da mesma frase. Utilize a mesma predefinição em todos os idiomas quando possível.

Avatar da voz aria
ariafeminino
Avatar da voz nova
novafeminino
Avatar da voz luna
lunafeminino
Avatar da voz sage
sagefeminino
Avatar da voz felix
felixmasculino
Avatar da voz milo
milomasculino
Avatar da voz atlas
atlasmasculino
Avatar da voz orion
orionmasculino

23 idiomas

Qualquer voz fala qualquer um desses idiomas.

Fontes e leituras adicionais

  1. Wikipedia
  2. openai-python on GitHub
  3. TRON developer hub: TRC-20
  4. MDN: Web Speech API
  5. curl documentation
  6. FFmpeg documentation
  7. OpenAI API reference: create speech
  8. Python documentation
  9. IETF RFC 7845: Ogg Opus
  10. LibriTTS-R corpus (OpenSLR 141)
  11. Node.js documentation
  12. Creative Commons Attribution 4.0

Mais neste site